トレーニング中のTensorBoardによるケラス監視量

Question

Tensorflowでは、トレーニング中の量をtf.summaryを使用して監視することができます。

Kerasを使用して同じことを実行できますか？コードをhttps://github.com/fchollet/keras/blob/master/examples/variational_autoencoder.pyに変更し、KLの損失を監視して例を含めることができますか（at line 53と定義）

ありがとうございます！

Answer 1

。

実際に回避策は、モデルをコンパイルするときに、メトリックとして監視する量を追加することです。

は例えば、私は（変オートエンコーダの文脈における）KLダイバージェンスを監視したかったので、私はこれを書いた：

def kl_loss(y_true, y_pred): 
    kl_loss = - 0.5 * K.sum(1 + K.log(z_var_0+1e-8) - K.square(z_mean_0) - z_var_0, axis=-1) 
    return kl_loss 

vae.compile(optimizer='rmsprop', loss=vae_loss, metrics=['accuracy', kl_loss]) 

をそして、それは私が

Answer 2

TensorBoardコールバックを試しましたか？ [1]

tensorboard = keras.callbacks.TensorBoard(log_dir='./logs', 
       histogram_freq=1, 
       write_graph=True, 
       write_images=False) 
vae.fit(x_train, 
     shuffle=True, 
     epochs=epochs, 
     batch_size=batch_size, 
     validation_data=(x_test, x_test), 
     callbacks=[tensorboard]) 

を次に実行します。

tensorboard --logdir=./logs 

をはあなたが興味のある特定の項目を処理するためのコールバックの修正バージョンを書くことができ

[1] https://keras.io/callbacks/#tensorboard